Diagonal
Sport & Physiologie — FranceIntervention : Novembre 2024

ATP Training : Création d’une Web Application SaaS d’entraînement sportif

// 1. CONTEXTE INITIAL

La majeure partie des clubs d'athlétisme font face, depuis longtemps, au défi structurel de l’ensemble des associations sportives françaises : l’encadrement sportif de la jeunesse repose majoritairement sur des bénévoles. Bien qu’engagés, ces entraîneurs n’ont souvent ni le temps, ni les outils, ni la formation "scientifique" pour créer des plans d'entraînement individualisés pour de grands groupes de jeunes athlètes.

// 2. LE PROBLÈME À FROID

Avant ATP, la planification reposait sur du "bricolage" (Excel, copier-coller internet) ou des solutions inadaptées. Pour les entraîneurs, le risque de blessure des jeunes par manque d'individualisation générait de l’angoisse. Du côté des athlètes, l'absence de visibilité sur leur progression et de pédagogie (planning papier, SMS épars) créait de la frustration, freinait l'engagement voire engendrait l'abandon pur et simple de la discipline.

// 3. L'INTERVENTION dIAGonal

Nous avons conçu de A à Z une Progressive Web App (PWA) nommée ATP. La plateforme fonctionne avec un moteur d'Intelligence Artificielle qui génère des cycles d'entraînement individualisés, fondés sur plusieurs méthodes d'entraînement. Le coach gère ses groupes sur son tableau de bord, valide les méso- et microcycles promptés par un agent IA "l'assistant Jimmy", tandis que l'athlète consulte son planning sur mobile, est notifié quotidiennement de ses séances et remonte ses retours physiques et ses sensations (RPE) après chaque séance, permettant au système d’adapter automatiquement la charge d'entraînement suivante.

// INTERFACE CONNECTEUR dIAGonal

workspace_root_connector / make_scenarios_live_08

// Statut du pipeline : ACTIVE - NO_ERROR

{ "project_integration_id": "dIAG_08_atptraining", "trigger": "Airtable_Record_Updated", "ai_model": "claude_3_5_sonnet_augmented", "actions": [ "Verify_Brand_Guards", "Inject_Signature_Motif_12_deg", "Return_PNG_Format_Export_Ready" ], "latency_ms": 348 }

// Trace dIAG : Double hachure cuivre + logo dIAGonal appliqués localement en tâche de fond.

// RESULTS MESURÉS
100%Individualisé : Données basées sur l'âge, la physiologie (VMA, fréquence cardiaque) et le feedback continu des performances et résultats aux compétitions.
CentaureCopilote : L'IA agit comme moteur de suggestion (calcul, périodisation, physiologie), mais l'entraîneur garde le contrôle final et la validation.
PWAModèle : Architecture pensée Mobile-First avec fonctionnement hors-ligne (Service Worker), CRON et notifications push.
// LA LIMITE ASSUMÉE

L'IA a besoin de limites physiologiques dures pour ne jamais mettre en danger l'intégrité ou la santé d'un jeune athlète. Les garde-fous (limites de charge par âge, interdiction de séances intensives répétées) sont encodés en "dur" dans la base de données et ne peuvent en aucun cas être contournés ou "hallucinés" par l'Intelligence Artificielle.

// TECH STACK DE LA FORGE
Supabase & Airtable (BDD & Backend PWA)Vercel (Déploiement)Bolt & Claude CodeAPI Gemini / ClaudeNotebookLM (Base scientifique)
// UNE VISION SIMILAIRE ?

Votre organisation a le droit d'avoir sa propre vitesse technologique